一种稳态碳烟火焰的温度与碳烟浓度测量方法

    公开(公告)号:CN116448248A

    公开(公告)日:2023-07-18

    申请号:CN202310466765.3

    申请日:2023-04-27

    摘要: 本发明提出一种稳态碳烟火焰的温度与碳烟浓度测量方法。本发明在原有的双色测温法的基础上,对测温的硬件和后处理上进行了改进。测量时使用相机加滤波片的方式进行拍照,后处理上主要采用了降噪、多重滤波、亮度排序、求亮度温度、求真实温度、去除错误点、还原二维伪彩色照片等对火焰的温度进行计算,进一步再通过求取的温度获得KL因子图,用以表征火焰的二维碳烟浓度分布。相比现有的对双色测温法的改进,本发明实验系统简单,实验操作更便利,且由于本发明测温更准确,可在获得温度后进一步计算火焰中的碳烟浓度,同时获取火焰中温度与碳烟浓度的信息。

    一种面向自动驾驶全场景感知的多模型推理加速系统及方法

    公开(公告)号:CN116306938A

    公开(公告)日:2023-06-23

    申请号:CN202211603460.4

    申请日:2022-12-13

    IPC分类号: G06N5/04 G06N3/04 G06N3/08

    摘要: 本发明提出了一种面向自动驾驶全场景感知的多模型推理加速系统及方法,将自动驾驶全场景感知中的多个DNN模型转换为基于有向无环图DAG的计算图,设计一个调度框架POS,并采用深度强化学习DRL方法得到最优的POS调度策略,构建基于最大熵深度强化学习的算子调度算法以选择最佳并行策略,完成自动驾驶全场景的感知;本发明与最先进的深度学习推理框架和特定调度方法相比,POS可以始终实现1.2倍~3.9倍的推理加速以及28%~55%的GPU利用率提升。此外,最优调度的搜索开销比基线缩短了1.2倍~2.9倍。

    一种可实现群效应及拓扑结构自适应的理念细胞机器人

    公开(公告)号:CN112296991B

    公开(公告)日:2022-03-25

    申请号:CN202010501754.0

    申请日:2020-06-04

    IPC分类号: B25J9/08

    摘要: 本发明公开一种可实现群效应及拓扑结构自适应的理念细胞机器人,包括下球型包络体、上球型包络体、连接刻度环、转动对接口、可伸展传动轴、直流无刷电机、编码器、蓄电池、换向输出装置、光传感器、热传感器、视觉捕获装置和中心控制器,首先通过较小数目的细胞机器人组成根体,该根体可进行自我扩充与辅助搭建;之后计算机对接受的任务进行分析,根据基本拓扑功能结构生成完整的预设空间拓扑结构,并获得该结构所需细胞机器人数目并对其进行编号,通过预设根体有顺序性地拾取细胞机器人,并按照计算机运算结果完成相应对接口的连接,根据编号顺序,不断重复拾取对接过程,完成预设空间拓扑结构的搭建。

    一种基于数字孪生及生成式AI的数据合成与增强方法

    公开(公告)号:CN118747719A

    公开(公告)日:2024-10-08

    申请号:CN202411014875.7

    申请日:2024-07-26

    发明人: 赵阳 陈康宇 孟冉

    摘要: 本发明属于计算机视觉技术领域,且公开了一种基于数字孪生及生成式AI的数据合成与增强方法,通过图像三维重建构建植株数字模型,利用多视角图像和计算机视觉技术实现,基于三维模型合成数据集,通过三维图形软件设计与渲染获得二维图像及标注,合成数据集并测试其效果,利用生成式AI模型生成植株三维模型,合成数据用于训练,本发明利用计算机合成数据增强的方法可解决图像分割等深度学习算法训练数据缺乏等问题,并且通过生成式人工智能与数字孪生技术为合成数据增强,利用三维重建技术构建真实世界中植物的数字模型,利用生成式AI技术生成植物三维数字模型,以生成合成数据的方法解决图像分割任务中训练数据难以获得的问题。

    一种基于深度强化学习的动态频率和深度学习模型卸载联合调节方法及系统

    公开(公告)号:CN115827239A

    公开(公告)日:2023-03-21

    申请号:CN202211603470.8

    申请日:2022-12-13

    IPC分类号: G06F9/50

    摘要: 本发明提出了一种基于深度强化学习的动态频率和深度学习模型卸载联合调节方法及系统,首先建立边缘设备能耗最小化模型;然后构建基于DVFS的边云协同推理框架,以联合优化边缘设备的能耗和端到端延迟;再构建基于DRL的增强型DVFS优化算法DVFO,通过联合优化边缘设备的计算频率和特征图的卸载比例来减少边缘设备的整体能耗;最后建立卸载机制,以解决特征图的卸载瓶颈问题,避免特征图的大小直接影响边云协同推理的端到端延迟;本发明用于云边协同推理中的DNN特征图卸载,使用“边移动边思考”并发策略的强化学习算法为每个任务计算特征图的最佳卸载比和边缘设备的计算频率,以最小化边缘设备的能耗。